Fast Approximate Modular Inference for Option Price Prediction
创建于 更新于
摘要
本文提出一种模块化近似贝叶斯推断方法，将日度现货收益、高频现货数据与期权价格三类信息结合，并通过理论期权定价模型、软切反馈和高斯混合近似，在不显式设定期权定价误差及高频测量误差模型的情况下快速生成未来期权价格预测分布。基于Heston模型的模拟结果显示，该方法预测覆盖率接近基于似然的模块化MCMC方法，但计算时间从约17.5小时降至约12秒；S&P 500期权实证结果表明，短期限、接近平值期权的预测覆盖率较为合理，但整体预测区间偏窄。[page::1][page::9][page::16][page::25][page::26][page::30]
